深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
Python胶水语言学习
机器会不会自主学习
机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
机器能否像人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。
象棋自主学习程序：通过不断的对弈改善自己的棋艺，打败对手。
深度学习框架Caffe
Caffe2 是一个兼具表现力、速度和模块性的深度学习框架，是 Caffe 的实验性重构，能以更灵活的方式组织计算。由 FaceBook 开源，该框架可以用在 iOS、Android 和树莓派上训练和部署模型。https://www.oschina.net/p/caffe2
- 第一周
深度学习入门
回归、神经网络和数学记号
- 第二周
模型评估与验证
数据准备
- 第三周
图像计算
跟随 Andrew Trask 学习情感分析
- 第四周
TensorFlow 入门
云计算
- 第五周
深度神经网络
用 TensorFlow 进行深度学习
- 第六周
卷积神经网络
图片分类
- 第七周
循环神经网络
股票价格预测和文字生成
- 第八周
词汇编码
实施 Word2Vec
- 第九周
使用 TensorBoard
神经网络可视化
- 第十周
文本生成
自然语言处理
- 第十一周
序列至序列学习
语言处理
- 第十二周
迁移学习
构建一个聊天机器人
- 第十三周
强化学习
构建简单的游戏机器人
- 第十四周
自动编码器
图片压缩
- 第十五周
生成对抗网络（GAN）
跟随 Ian Goodfellow 学习生成对抗网络
- 第十六周
图片生成
使用生成对抗网络生成新图像
- 第十七周
小样本学习
生成人脸
实战项目：你将挑战以下项目
实战项目 1
你的第一个神经网络
搭建一个简单的神经网络，预测共享单车的使用情况。
实战项目 2
物体识别
搭建一个神经网络，可以识别图片中的物体。
实战项目 3
生成电视剧剧本
使用深度学习，为你最喜爱的电视连续剧生成剧本。
实战项目 4
开发翻译机器人
开发一个翻译机器人，可以在你与朋友聊天时帮你即时翻译。
实战项目 5
生成人脸
使用生成对抗网络（GAN）来生成原创的人脸图像。
从今天开始
夯实你的深度学习技术基础！